Giá trị p là xác suất thu được kết quả ít nhất là khác biệt như kết quả đã thấy, nếu giả định rằng thật ra không có hiệu ứng nào và mọi giả định của mô hình đều đúng. Nó không phải xác suất giả thuyết đúng, không đo độ lớn của hiệu ứng, và không cho biết kết quả có quan trọng trong thực tế hay không. Phần lớn lỗi khi đọc nghiên cứu đến từ việc gán cho p những ý nghĩa nó không có.
Bài này không giảng lại cách tính p từ đầu mà đi thẳng vào bảy câu diễn giải sai hay gặp trên báo, trong slide thuyết trình và trong báo cáo dự án của học sinh, sinh viên. Mỗi câu đi kèm lý do sai và một cách viết lại chính xác hơn. Phần cuối là cách dùng AI để soát câu diễn giải của chính bạn. Các nghiên cứu nhắc đến đều là ví dụ giả định.
Nhắc lại thật ngắn: p trả lời câu hỏi nào
Mọi phép kiểm định thống kê bắt đầu bằng một giả thuyết làm mốc, gọi là giả thuyết không, thường phát biểu rằng giữa hai nhóm không có khác biệt hoặc giữa hai biến không có liên hệ. Sau đó nhà nghiên cứu hỏi: nếu giả thuyết không đúng, thì dữ liệu như thế này hiếm đến mức nào? Giá trị p là câu trả lời cho câu hỏi đó. Ví dụ giả định: một nhóm học sinh dùng phương pháp ôn tập mới đạt điểm bài kiểm tra trung bình cao hơn nhóm đối chứng 0,8 điểm, và phép kiểm định cho p bằng 0,03. Câu đọc đúng là: nếu thật ra hai phương pháp hiệu quả như nhau, thì chỉ khoảng 3% số lần lặp lại thí nghiệm sẽ cho chênh lệch từ 0,8 điểm trở lên do may rủi.
Để ý ba điều trong câu đó. Thứ nhất, p được tính với giả định giả thuyết không đúng, nên nó không thể đồng thời là xác suất giả thuyết không đúng. Thứ hai, p nói về dữ liệu, không nói về độ lớn hay tầm quan trọng. Thứ ba, p còn phụ thuộc vào các giả định của mô hình: mẫu được chọn ra sao, dữ liệu có độc lập không, phép kiểm định có hợp với kiểu số liệu không. Năm 2016, Hiệp hội Thống kê Hoa Kỳ đã ra một tuyên bố chính thức về giá trị p, nhấn mạnh đúng những điểm này, vì lỗi diễn giải phổ biến đến mức chính giới khoa học phải lên tiếng.
Ngưỡng 0,05 mà bạn hay gặp chỉ là một quy ước lịch sử để ra quyết định, không phải ranh giới tự nhiên giữa thật và giả. Một kết quả p bằng 0,049 và một kết quả p bằng 0,051 gần như mang cùng một lượng bằng chứng, dù một bên được gọi là "có ý nghĩa" còn bên kia thì không.
Ba câu sai về điều mà p đo
Câu sai 1: "p bằng 0,03 nghĩa là chỉ có 3% khả năng giả thuyết không đúng." Đây là lỗi phổ biến nhất. Giá trị p được tính khi đã giả sử giả thuyết không đúng, nên nó không thể cho biết xác suất của chính giả thuyết đó. Muốn có xác suất một giả thuyết đúng, bạn cần thêm thông tin về khả năng giả thuyết đó đúng trước khi làm nghiên cứu, tức là một cách tiếp cận khác. Viết lại: "Nếu không có khác biệt thật, kết quả chênh lệch như thế này hoặc hơn sẽ xuất hiện khoảng 3% số lần."
Câu sai 2: "p bằng 0,03 nghĩa là có 97% khả năng phương pháp mới hiệu quả." Đây là anh em của câu sai 1, chỉ lật ngược lại. Lấy 1 trừ đi p không ra xác suất giả thuyết của bạn đúng. Một kết quả p nhỏ có thể đến từ hiệu ứng thật, từ thiên lệch trong cách chọn mẫu, từ lỗi đo, hoặc từ việc nhà nghiên cứu đã thử nhiều phép so sánh rồi chỉ báo cáo cái ra p nhỏ. Viết lại: "Dữ liệu khá khó giải thích nếu chỉ do may rủi, nên đây là một bằng chứng ủng hộ phương pháp mới, cần được kiểm thêm."
Câu sai 3: "Kết quả p nhỏ hơn 0,001 nên hiệu quả rất lớn." p nhỏ không có nghĩa hiệu ứng lớn. Với cỡ mẫu rất lớn, một chênh lệch nhỏ đến mức không ai quan tâm vẫn có thể cho p cực nhỏ. Ngược lại, một hiệu ứng lớn trên mẫu nhỏ có thể cho p lớn hơn 0,05. Muốn biết lớn hay nhỏ, bạn phải nhìn vào chính độ chênh lệch, khoảng tin cậy của nó và cỡ hiệu ứng. Viết lại: "Chênh lệch là 0,8 điểm, khoảng tin cậy 95% từ 0,1 đến 1,5 điểm, và p bằng 0,03."
Hai câu sai về kết quả "không có ý nghĩa"
Câu sai 4: "p bằng 0,2 nên đã chứng minh hai nhóm không khác nhau." Không bác bỏ được giả thuyết không khác hẳn với chứng minh nó đúng. Một nghiên cứu nhỏ, đo không chính xác, hoặc theo dõi quá ngắn rất dễ cho p lớn dù hiệu ứng thật có tồn tại. Câu nổi tiếng trong giới thống kê là "không có bằng chứng về hiệu ứng không phải là bằng chứng về việc không có hiệu ứng". Viết lại: "Nghiên cứu này chưa đủ bằng chứng để kết luận hai nhóm khác nhau; khoảng tin cậy rộng, từ âm 0,4 đến cộng 1,8 điểm, cho thấy vẫn có thể có khác biệt đáng kể theo cả hai chiều."
Câu sai 5: "Nghiên cứu A thấy hiệu quả có ý nghĩa, nghiên cứu B thì không, nên hai nghiên cứu mâu thuẫn nhau." Hai nghiên cứu có thể cho ước lượng gần như giống hệt nhau, chỉ khác ở chỗ một bên có mẫu lớn hơn nên khoảng tin cậy hẹp hơn và p vượt qua ngưỡng. Ví dụ giả định: A thấy chênh lệch 0,7 điểm với p bằng 0,04; B thấy chênh lệch 0,6 điểm với p bằng 0,12. Hai con số này khá nhất quán. Tương tự, "có ý nghĩa ở nhóm nữ, không có ý nghĩa ở nhóm nam" không đồng nghĩa với "hiệu quả ở nữ khác ở nam"; muốn nói vậy cần một phép kiểm định trực tiếp sự khác biệt giữa hai nhóm. Viết lại: "Hai nghiên cứu cho ước lượng gần nhau, nghiên cứu B có mẫu nhỏ hơn nên kết quả kém chắc chắn hơn."
Một lưu ý đi kèm. Hai câu sai này nguy hiểm vì chúng thường dẫn tới việc vứt bỏ một hướng đi đúng chỉ vì một nghiên cứu nhỏ không "đạt", hoặc tạo cảm giác khoa học "lúc nói thế này, lúc nói thế khác". Khi đọc tin "nghiên cứu mới bác bỏ nghiên cứu cũ", hãy đặt hai ước lượng và hai khoảng tin cậy cạnh nhau trước khi tin rằng có mâu thuẫn thật.
Hai câu sai về ngưỡng 0,05 và sự lặp lại
Câu sai 6: "p bằng 0,04 nên kết quả là thật, p bằng 0,06 nên là giả." Ngưỡng 0,05 là quy ước, không phải công tắc. Biến một con số liên tục thành hai ô "có" và "không" làm mất thông tin và khuyến khích những thói quen xấu như thử thêm vài cách phân tích cho tới khi p rơi xuống dưới ngưỡng. Nhiều nhà thống kê khuyên báo cáo giá trị p chính xác, chẳng hạn p bằng 0,06, thay vì chỉ ghi "không có ý nghĩa". Viết lại: "Kết quả có xu hướng ủng hộ phương pháp mới, nhưng bằng chứng còn yếu, p bằng 0,06."
Câu sai 7: "p bằng 0,05 nghĩa là nếu làm lại, 95% khả năng sẽ ra kết quả giống vậy." Giá trị p không phải xác suất lặp lại được kết quả. Một kết quả vừa chạm ngưỡng 0,05 khi được lặp lại với cùng cỡ mẫu có khá nhiều khả năng cho p lớn hơn 0,05, kể cả khi hiệu ứng là thật, vì ước lượng lần đầu thường dao động quanh giá trị thật. Đó là một lý do khiến nhiều kết quả "có ý nghĩa" trong các lĩnh vực khác nhau không lặp lại được khi các nhóm khác làm lại. Viết lại: "Kết quả cần được nghiên cứu khác lặp lại trước khi coi là chắc chắn."
Quy tắc gọn để nhớ. Mỗi khi thấy giá trị p, hãy tự hỏi ba câu: chênh lệch thật sự là bao nhiêu, khoảng tin cậy của nó rộng hay hẹp, và nghiên cứu đã thử bao nhiêu phép so sánh trước khi báo cáo kết quả này. Ba câu đó quan trọng hơn bản thân con số p.
Đọc p cùng những con số khác trong một câu kết quả
Một câu kết quả đầy đủ trong bài báo thường có nhiều thành phần. Bảng dưới tách một câu giả định ra từng phần và chỉ ra mỗi phần trả lời câu hỏi gì, để bạn không dồn hết sự chú ý vào chữ p.
| Thành phần trong câu | Ví dụ giả định | Trả lời câu hỏi |
|---|---|---|
| Ước lượng hiệu ứng | Điểm trung bình cao hơn 0,8 điểm | Khác biệt lớn chừng nào? |
| Khoảng tin cậy 95% | Từ 0,1 đến 1,5 điểm | Ước lượng chắc chắn đến đâu, giá trị thật có thể nằm trong khoảng nào? |
| Giá trị p | p bằng 0,03 | Nếu không có khác biệt thật, kết quả này hiếm đến mức nào? |
| Cỡ mẫu | 60 học sinh mỗi nhóm | Kết quả dựa trên bao nhiêu dữ liệu? |
| Thiết kế | Chia nhóm ngẫu nhiên, theo dõi 8 tuần | Chênh lệch có thể do yếu tố khác gây ra không? |
Đọc theo bảng này, bạn sẽ nhận ra p chỉ là một trong năm mảnh ghép, và không phải mảnh quan trọng nhất. Một bản tin chỉ nói "kết quả có ý nghĩa thống kê" mà không nêu độ chênh lệch và khoảng tin cậy là bản tin thiếu thông tin. Với bài báo khoa học, những con số này thường nằm ở phần kết quả và bảng; phần tóm tắt đôi khi lược bớt.
Nhờ AI soát câu diễn giải của chính bạn
Một cách học hiệu quả là tự viết câu diễn giải trước, rồi nhờ AI chỉ ra chỗ sai thay vì nhờ AI viết hộ. Câu lệnh mẫu: "Dưới đây là câu diễn giải kết quả thống kê trong báo cáo dự án của em. Hãy chỉ ra câu nào diễn giải sai giá trị p hoặc ý nghĩa thống kê, giải thích vì sao sai, và gợi ý cách viết lại, nhưng không thêm con số nào không có trong câu gốc." Sau đó dán câu của bạn vào.
Bạn cũng có thể dùng AI để luyện nhận diện: "Hãy viết mười câu diễn giải giá trị p, trong đó có cả câu đúng và câu sai, trộn lẫn, rồi chờ em đoán câu nào sai trước khi đưa đáp án." Kiểu bài tập này giúp bạn đọc nhanh hơn khi gặp tin tức thật. Chú ý rằng AI đôi khi tự mắc chính những lỗi trong bài này, nhất là lỗi 1 và lỗi 2, vì văn bản trên mạng mà nó học được chứa đầy những câu sai đó. Nếu lời giải thích của AI có câu kiểu "p là xác suất giả thuyết không đúng", hãy coi đó là dấu hiệu cần đối chiếu với giáo trình hoặc hỏi giáo viên.
Khi dán kết quả từ dự án thật vào chatbot, chỉ dán các con số tổng hợp như trung bình, độ lệch chuẩn, cỡ mẫu và p. Không dán bảng tên học sinh hay câu trả lời khảo sát có thông tin cá nhân. Việc diễn giải không cần đến dữ liệu thô, và giữ dữ liệu người tham gia là một phần của nghiên cứu tử tế.
Câu hỏi thường gặp
Có nên bỏ hẳn giá trị p không?
Đây là chủ đề còn tranh luận. Một số tạp chí và nhà thống kê đề nghị giảm vai trò của ngưỡng 0,05, chuyển sang báo cáo ước lượng và khoảng tin cậy làm chính. Nhiều người khác cho rằng p vẫn hữu ích nếu được diễn giải đúng và đặt cạnh các con số khác. Với người mới, cách an toàn là đọc p như một mảnh thông tin, không phải phán quyết.
Vì sao ngưỡng thường là 0,05 mà không phải số khác?
Ngưỡng này phổ biến từ đầu thế kỷ 20, gắn với các sách hướng dẫn thống kê của nhà thống kê Ronald Fisher, và dần trở thành quy ước. Một số lĩnh vực dùng ngưỡng nghiêm ngặt hơn nhiều, chẳng hạn vật lý hạt hay nghiên cứu di truyền quy mô lớn. Bản thân con số 0,05 không có gì đặc biệt về mặt toán học.
Giá trị p có âm hay lớn hơn 1 được không?
Không. Giá trị p là một xác suất nên luôn nằm trong khoảng từ 0 đến 1. Nếu bạn thấy p bằng 0 chính xác trong bảng kết quả, thường đó là do phần mềm làm tròn một số rất nhỏ; cách ghi chuẩn hơn là "p nhỏ hơn 0,001". Nếu thấy p âm hoặc lớn hơn 1, chắc chắn có lỗi nhập liệu hoặc lỗi in.
Báo cáo dự án học sinh có bắt buộc phải có giá trị p không?
Không bắt buộc. Với dự án nhỏ, mô tả rõ số liệu, vẽ biểu đồ trung thực, nêu chênh lệch và thừa nhận rằng cỡ mẫu nhỏ thì kết quả có thể do may rủi thường giá trị hơn một giá trị p tính sai phép kiểm định. Nếu dùng p, hãy ghi tên phép kiểm định và hỏi giáo viên hướng dẫn xem phép đó có hợp với dữ liệu không.
Kiểm định một phía và hai phía khác nhau thế nào khi đọc p?
Kiểm định hai phía hỏi có khác biệt theo bất kỳ chiều nào, còn một phía chỉ hỏi theo một chiều đã định trước. Với cùng dữ liệu, p một phía thường bằng khoảng một nửa p hai phía. Vì vậy nếu bài báo dùng kiểm định một phía mà không giải thích lý do từ trước, đó là điểm cần đọc kỹ.
Một kết quả "rất có ý nghĩa thống kê" có chắc đúng không?
Không chắc. p rất nhỏ chỉ cho biết dữ liệu khó giải thích bằng may rủi đơn thuần. Kết quả vẫn có thể sai nếu thiết kế có thiên lệch, đo lường sai, có biến gây nhiễu chưa được kiểm soát, hoặc nhà nghiên cứu đã thử nhiều phân tích. Chất lượng thiết kế và việc được lặp lại độc lập quan trọng hơn độ nhỏ của p.